001031217 001__ 1031217
001031217 005__ 20240923212340.0
001031217 037__ $$aFZJ-2024-05613
001031217 1001_ $$0P:(DE-Juel1)194749$$aBamberger, Rachel$$b0$$ufzj
001031217 1112_ $$aXXXVIII. DGKJP Kongress$$cRostock$$d2024-09-18 - 2024-09-21$$wGermany
001031217 245__ $$aStimmen der Veränderung: Akustische Biomarker und maschinelles Lernen in der Diagnostik von Hyperaktivität und emotionalen Störungen
001031217 260__ $$c2024
001031217 3367_ $$033$$2EndNote$$aConference Paper
001031217 3367_ $$2DataCite$$aOther
001031217 3367_ $$2BibTeX$$aINPROCEEDINGS
001031217 3367_ $$2DRIVER$$aconferenceObject
001031217 3367_ $$2ORCID$$aLECTURE_SPEECH
001031217 3367_ $$0PUB:(DE-HGF)6$$2PUB:(DE-HGF)$$aConference Presentation$$bconf$$mconf$$s1727091155_25397$$xInvited
001031217 520__ $$aSW-61-001 Stimmen der Veränderung: Akustische Biomarker in der Diagnostik von AD(H)S und emotionalen StörungenHintergrund:Akustische Parameter als digitale Biomarker gewinnen in der Diagnostik psychischer Störungenan Bedeutung. Im Bereich der (Differenzial)diagnostik könnte die Analyse akustischer Wertekünftig eine wertvolle Hilfestellung innerhalb der klinischen Entscheidungsfindung darstellen.Veränderungen in der Stimme könnten Hinweise auf das Vorliegen einer Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (AD(H)S) sowie emotionaler Probleme geben.Methodik:Im Rahmen einer epidemiologischen Kohortenstudie sollen Daten von ca. 800 Kindern (7-18Jahre) analysiert werden. Dabei untersuchen wir Zusammenhänge zwischen Stimmparametern(Grundfrequenz, Lautstärke, Jitter, Phonationsdauer) und AD(H)S-Symptomen (DISYPS; SDQ)sowie emotionalen Problemen (SDQ). Die Daten wurden innerhalb der LIFE Child Studie an derUniklinik Leipzig erhoben. Wir berechnen mittels maschinellen Lernens prädiktive Modelle, dieeine Beurteilung einzelner stimmlicher Merkmale im Hinblick auf Gruppenunterschiede (klinischbelastet vs. gesund) und den Schweregrad der Symptomatik erlaubt.Ergebnisse:Im Vortrag stellen wir die Ergebnisse multivariater Statistik zu einem mehrdimensionalenZusammenhang zwischen Stimmparametern und AD(H)S-Symptomatik bzw. emotionalenProblemen dar.Diskussion:Die Resultate erlauben erste Hinweise auf die Relevanz akustischer Parameter als objektive Korrelate psychopathologischer Merkmale. Der innovative Einsatz von maschinellem Lernenermöglicht es, komplexe Muster zwischen Stimmverhalten und psychischen Störungen zuentschlüsseln.Schlussfolgerung:Die Analyse akustischer Parameter könnte eine wertvolle Ergänzung zur überwiegend subjektivenDiagnostik von AD(H)S und emotionalen Problemen darstellenDie Diagnostik in der Kinder- und Jugendpsychiatrie beruht mehrheitlich auf Verfahren wiedem psychopathologischen Befund oder testpsychologischen Untersuchungen, die in ihremCharakter in Teilen subjektiv sind und damit untersucherabhängige Schwankungen aufweisen.Vor diesem Hintergrund gab es in den letzten Dekaden intensive Bemühungen, um biologischeMarker zu identifizieren, die als Biomarker die Diagnostik und Behandlungsplanungunterstützen. Bisher konnten allerdings keine biologischen Marker identifiziert werden, die inder klinischen Routineversorgung eine Rolle spielen. In der jüngeren Forschung werdenAnsätze verfolgt, die überwiegend digital erfasste Signale erheben. Unter Einsatz statistischerMöglichkeiten des maschinellen Lernens stellt sich die Frage, ob u.a. in Kombinationverschiedener digital erfasster Signale eine individuelle Prädiktion möglich ist und damitperspektivisch sog. digitale Biomarker entwickelt werden können. In dem Symposium werdenaktuelle Ansätze zur Entwicklung digitaler Biomarker vorgestellt und diskutiert, die sich aufdie Analyse von Stimme, Mimik, Gestik, sowie online durchgeführte Screenings beziehen.Fr. Rachel Bamberger stellt Daten vor, die der Frage nachgehen, ob Muster stimmlicherParameter auf internalisierende bzw. exteralisierende Symptomatik bei Kindern undJugendlichen hinweisen. Prof. Dr. Peter Uhlhaas wird Ergebnisse aus einem umfangreichenOnline-Screening zur Früherkennung von Psychosen präsentieren. PD Dr. Radeloff wird ersteErgebnisse aus dem BMBF-geförderten IDEAS-Projekt vorstellen, in dem automatisierteMimik-, Gestik- und Sprachanalyse in einem Autismus-Screening bei Kindern entwickelt unduntersucht wird. Ein Schwerpunkt des Vortrages liegt auf Mimikanalysen in einemnaturalistischen Design (ADOS-Untersuchungen).Zusammenfassend deuten erste Ergebnisse darauf hin, dass sich über unterschiedliche digitaleMöglichkeiten der Datenerhebung und -verarbeitung untersucherunabhängige Markerentwickeln lassen könnten. Die Ansätze werden kritisch diskutiert und offeneForschungsfragen erörtert.
001031217 536__ $$0G:(DE-HGF)POF4-5254$$a5254 - Neuroscientific Data Analytics and AI (POF4-525)$$cPOF4-525$$fPOF IV$$x0
001031217 536__ $$0G:(DE-HGF)POF4-5252$$a5252 - Brain Dysfunction and Plasticity (POF4-525)$$cPOF4-525$$fPOF IV$$x1
001031217 909CO $$ooai:juser.fz-juelich.de:1031217$$pVDB
001031217 9101_ $$0I:(DE-588b)5008462-8$$6P:(DE-Juel1)194749$$aForschungszentrum Jülich$$b0$$kFZJ
001031217 9131_ $$0G:(DE-HGF)POF4-525$$1G:(DE-HGF)POF4-520$$2G:(DE-HGF)POF4-500$$3G:(DE-HGF)POF4$$4G:(DE-HGF)POF$$9G:(DE-HGF)POF4-5254$$aDE-HGF$$bKey Technologies$$lNatural, Artificial and Cognitive Information Processing$$vDecoding Brain Organization and Dysfunction$$x0
001031217 9131_ $$0G:(DE-HGF)POF4-525$$1G:(DE-HGF)POF4-520$$2G:(DE-HGF)POF4-500$$3G:(DE-HGF)POF4$$4G:(DE-HGF)POF$$9G:(DE-HGF)POF4-5252$$aDE-HGF$$bKey Technologies$$lNatural, Artificial and Cognitive Information Processing$$vDecoding Brain Organization and Dysfunction$$x1
001031217 9141_ $$y2024
001031217 9201_ $$0I:(DE-Juel1)INM-7-20090406$$kINM-7$$lGehirn & Verhalten$$x0
001031217 980__ $$aconf
001031217 980__ $$aVDB
001031217 980__ $$aI:(DE-Juel1)INM-7-20090406
001031217 980__ $$aUNRESTRICTED